联合空谱信息的高光谱影像深度胶囊网络分类

摘要：

向量化的胶囊神经元和动态路由式的信息传递机制赋予了胶囊网络更强的特征表示能力.在遥感领域,基于胶囊网络的高光谱影像分类方法已经获得了较传统深度学习模型更为优异的分类结果.针对现有胶囊分类模型中存在的网络浅层、空谱联合信息利用不足等问题,本文利用卷积胶囊层、残差连接、三维卷积胶囊层构建了一种用于高光谱影像分类的新型深度胶囊网络.具体地,本文方法直接以高维数据立方体作为网络输入,并利用胶囊残差块逐层提取数据中的深层抽象特征.为了更加充分地利用影像中的空谱联合特征,在深层次的胶囊残差块中引入三维卷积胶囊层,以进一步提高分类精度.为了验证本文方法的有效性,选择University"Pavia、Indian Pines和Salinas等3个常用高光谱数据集和一个大规模机载高光谱数据集Chikusei进行实验.结果 表明,与现有深度学习模型相比,本文方法能够获得更为优异的分类效果,在4个数据集上分别获得了99.43％、98.85％、97.14％和97.43％的总体分类精度.

关键词：高光谱影像分类、深度胶囊网络、三维卷积胶囊、三维卷积路由、深度学习

所属期刊栏目：25

分类号：TP751;TP391.41;TP181

资助基金：国家自然科学基金41801388

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1257-1269